本笔记参考crazy_Bingo
基础:
图像处理都是用卷积矩阵对图像卷积计算,如3X3 的矩阵对640 X 480分辨率的图像卷积,最终会得到638 X 478 的图像。卷积过程是这样的:
一、中值滤波 : 找出矩阵中的最中间值作为像素点
中值滤波后的图像相对暗了一点,因为最大值被舍去了。但相对于均值滤波而言,中值滤波
在滤除噪声的基础上,有效的保存了细节
二、均值滤波:找出矩阵中的平均值作为像素点
丧失了部分细 节,图像变得模糊了。滤除了部分噪声的同步,缺失了更多的细节,
中值滤波算法与均值滤波非常的相似,但滤波的效果却有很大的差别,区别如下:
均值滤波相当于低通滤波,有将图像模糊化的趋势,对椒盐噪声基本无能力。
中值滤波的可以很好的过滤椒盐噪声,缺点是容易造成图像的不连续
三、腐蚀运算
腐蚀是一种消除边界点,使边界向内部收缩的过程。可以用来消除小且无意义的物体,
腐蚀的算法:用3x3的结构元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作如果都为1,结果图像的该像素为1。否则为0。结果:使二值图像减小一圈,
粗略的说,腐蚀可以使目标区域范围“变小”,其实质造成图像的边界收缩,可以用来消除小且无意义的目标物。
E(X)={a| Ba X}=X B
该式子表示用结构B腐蚀A,需要注意的是B中需要定义一个原点,【而B的移动的过程与卷积核移动的过程一致,同卷积核与图像有重叠之后再计算一样】当B的原点平移到图像A的像元(x,y)时,如果B在(x,y)处,完全被包含在图像A重叠的区域,(也就是B中为1的元素位置上对应的A图像值全部也为1)则将输出图像对应的像元(x,y)赋值为1,否则赋值为0。
演示图:
实质上在实现的过程中没有结构元素,而是扫描矩阵的与运算
四、膨胀运算
膨胀会使目标区域范围“变大”,将于目标区域接触的背景点合并到该目标物中,使目标边界向外部扩张。作用就是可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声。